-
题名改进LDS_YOLO网络的遥感飞机检测算法研究
被引量:5
- 1
-
-
作者
吴杰
高策
余毅
张艳超
裴玉
马少峰
-
机构
中国科学院长春光学精密机械与物理研究所
西昌卫星发射中心
-
出处
《计算机工程与应用》
CSCD
北大核心
2022年第15期210-219,共10页
-
基金
吉林省科技发展计划(20190302086GX)。
-
文摘
为解决遥感飞机检测算法网络计算复杂、检测精度低的问题,以主流网络 YOLOv4为基础,从提高精度和简化模型两个方面进行改进研究,提出一种轻量级多尺度监督网络 LDS_YOLO(light dense supervision YOLO)。针对遥感飞机目标细节信息提取不足的问题,改进三组多尺度融合预测层结构,在每一个支路第一次上采样前的四个卷积块之间设计密集连接方式,可以增强融合不同尺度飞机,丰富特征细节信息,提高预测准确率;针对目标特征关联度低的问题,引入一致性监督损失函数,通过监督分类网络辅助预测的同时提高检测精度;通过增加包含全局平均池化层、全连接层和特征映射层的轻量化模块,调整通道结构减少权重模型的特征冗余,降低网络参数量。在保证检测率的基础上将模型参数量降低为 3.6×10^(6),计算量为 77 MFLOPs,测试检测率比原始模型损失不到 2.3%,速度达到 17 frame/s;通过与主流检测算法进行对比,分析轻量化后算法模型的抗过拟合能力和鲁棒性,证明轻量化遥感飞机目标检测算法的有效性和可行性。
-
关键词
目标检测
卷积神经网络
一致性监督损失函数
多尺度融合
轻量化模型
-
Keywords
target detection
convolutional neural network
consistency monitoring loss function
multi-scale fusion
lightweight model
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-